Python怎么批量更改图像尺寸统一大小

在图像处理和计算机视觉领域，图像尺寸的统一化是一个常见的需求。无论是为了数据预处理、模型训练，还是为了展示和存储，统一图像尺寸都能带来诸多便利。本文将详细介绍如何使用Python批量更改图像尺寸，使其统一为指定大小。

1. 准备工作

在开始之前，我们需要安装一些必要的Python库。这些库将帮助我们读取、处理和保存图像。

1.1 安装必要的库

首先，我们需要安装Pillow库，它是Python Imaging Library（PIL）的一个分支，提供了丰富的图像处理功能。

pip install pillow

此外，我们还可以使用opencv-python库来处理图像，它提供了更多的图像处理功能。

pip install opencv-python

1.2 导入库

在代码中，我们需要导入这些库：

from PIL import Image
import os
import cv2

2. 使用Pillow库批量更改图像尺寸

Pillow库是Python中最常用的图像处理库之一。我们可以使用它来读取、调整尺寸和保存图像。

2.1 读取图像

首先，我们需要读取图像。假设我们有一个包含多张图像的文件夹，我们可以使用os库来遍历文件夹中的所有图像文件。

def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img_path = os.path.join(folder, filename)
        if img_path.endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
            img = Image.open(img_path)
            images.append(img)
    return images

2.2 调整图像尺寸

接下来，我们可以定义一个函数来调整图像的尺寸。Pillow库提供了resize方法来调整图像的尺寸。

def resize_image(image, size):
    return image.resize(size, Image.ANTIALIAS)

其中，size是一个元组，表示目标图像的宽度和高度。Image.ANTIALIAS是一个滤波器，用于在调整图像大小时减少锯齿。

2.3 保存图像

调整尺寸后，我们需要将图像保存到指定的文件夹中。

def save_image(image, save_folder, filename):
    save_path = os.path.join(save_folder, filename)
    image.save(save_path)

2.4 批量处理图像

现在，我们可以将上述步骤组合起来，批量处理文件夹中的所有图像。

def batch_resize_images(input_folder, output_folder, size):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    images = load_images_from_folder(input_folder)
    for i, img in enumerate(images):
        resized_img = resize_image(img, size)
        save_image(resized_img, output_folder, f'resized_{i}.jpg')

2.5 示例代码

以下是一个完整的示例代码，展示如何使用Pillow库批量更改图像尺寸。

from PIL import Image
import os

def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img_path = os.path.join(folder, filename)
        if img_path.endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
            img = Image.open(img_path)
            images.append(img)
    return images

def resize_image(image, size):
    return image.resize(size, Image.ANTIALIAS)

def save_image(image, save_folder, filename):
    save_path = os.path.join(save_folder, filename)
    image.save(save_path)

def batch_resize_images(input_folder, output_folder, size):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    images = load_images_from_folder(input_folder)
    for i, img in enumerate(images):
        resized_img = resize_image(img, size)
        save_image(resized_img, output_folder, f'resized_{i}.jpg')

if __name__ == "__main__":
    input_folder = 'path/to/input/folder'
    output_folder = 'path/to/output/folder'
    size = (256, 256)  # 目标尺寸
    batch_resize_images(input_folder, output_folder, size)

3. 使用OpenCV库批量更改图像尺寸

OpenCV是另一个强大的图像处理库，它提供了更多的图像处理功能。我们可以使用OpenCV来读取、调整尺寸和保存图像。

3.1 读取图像

与Pillow类似，我们可以使用OpenCV来读取图像。

def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img_path = os.path.join(folder, filename)
        if img_path.endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
            img = cv2.imread(img_path)
            images.append(img)
    return images

3.2 调整图像尺寸

OpenCV提供了resize函数来调整图像的尺寸。

def resize_image(image, size):
    return cv2.resize(image, size, interpolation=cv2.INTER_AREA)

其中，size是一个元组，表示目标图像的宽度和高度。cv2.INTER_AREA是一个插值方法，适用于缩小图像。

3.3 保存图像

调整尺寸后，我们可以使用cv2.imwrite函数将图像保存到指定的文件夹中。

def save_image(image, save_folder, filename):
    save_path = os.path.join(save_folder, filename)
    cv2.imwrite(save_path, image)

3.4 批量处理图像

现在，我们可以将上述步骤组合起来，批量处理文件夹中的所有图像。

def batch_resize_images(input_folder, output_folder, size):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    images = load_images_from_folder(input_folder)
    for i, img in enumerate(images):
        resized_img = resize_image(img, size)
        save_image(resized_img, output_folder, f'resized_{i}.jpg')

3.5 示例代码

以下是一个完整的示例代码，展示如何使用OpenCV库批量更改图像尺寸。

import cv2
import os

def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img_path = os.path.join(folder, filename)
        if img_path.endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
            img = cv2.imread(img_path)
            images.append(img)
    return images

def resize_image(image, size):
    return cv2.resize(image, size, interpolation=cv2.INTER_AREA)

def save_image(image, save_folder, filename):
    save_path = os.path.join(save_folder, filename)
    cv2.imwrite(save_path, image)

def batch_resize_images(input_folder, output_folder, size):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    images = load_images_from_folder(input_folder)
    for i, img in enumerate(images):
        resized_img = resize_image(img, size)
        save_image(resized_img, output_folder, f'resized_{i}.jpg')

if __name__ == "__main__":
    input_folder = 'path/to/input/folder'
    output_folder = 'path/to/output/folder'
    size = (256, 256)  # 目标尺寸
    batch_resize_images(input_folder, output_folder, size)

4. 比较Pillow和OpenCV

Pillow和OpenCV都是非常强大的图像处理库，但它们在某些方面有所不同。

4.1 性能

OpenCV通常比Pillow更快，尤其是在处理大量图像时。OpenCV是用C++编写的，并且经过了高度优化，因此在性能上有优势。

4.2 功能

OpenCV提供了更多的图像处理功能，如边缘检测、特征提取、图像滤波等。如果你需要进行复杂的图像处理任务，OpenCV可能是更好的选择。

4.3 易用性

Pillow的API相对简单，易于上手。如果你只需要进行简单的图像处理任务，如调整尺寸、裁剪、旋转等，Pillow可能更适合你。

5. 其他注意事项

5.1 保持宽高比

在某些情况下，你可能希望保持图像的宽高比，而不是简单地将其调整为固定尺寸。你可以通过计算缩放比例来实现这一点。

def resize_image_keep_aspect_ratio(image, target_size):
    original_width, original_height = image.size
    target_width, target_height = target_size
    
    ratio = min(target_width / original_width, target_height / original_height)
    new_size = (int(original_width * ratio), int(original_height * ratio))
    
    return image.resize(new_size, Image.ANTIALIAS)

5.2 处理不同格式的图像

在批量处理图像时，你可能会遇到不同格式的图像（如PNG、JPEG、BMP等）。确保你的代码能够处理这些不同的格式。

5.3 处理大图像

如果你处理的图像非常大，可能会遇到内存不足的问题。在这种情况下，你可以考虑使用流式处理或分块处理的方法。

6. 总结

本文详细介绍了如何使用Python批量更改图像尺寸，使其统一为指定大小。我们使用了Pillow和OpenCV两个常用的图像处理库，并比较了它们的优缺点。无论你是需要进行简单的图像处理任务，还是复杂的计算机视觉任务，Python都提供了强大的工具来帮助你完成任务。

通过本文的学习，你应该能够轻松地批量处理图像，并将其调整为统一尺寸。希望本文对你有所帮助！